史拉斯基定理

概率論史拉斯基定理實數列極限的若干代數性質推廣到隨機變量序列。[1]

定理得名自尤金·史拉斯基[2]史拉斯基定理有時歸功於哈拉爾德·克拉梅爾[註 1]

敘述

隨機純量向量矩陣序列。若依分佈收斂随机元素,且依概率收斂至常數,則

  •  c可逆,

其中表示依分佈收斂

說明

  1. 趨向於常數的條件不能省略。假如允許趨向於非退化的隨機元,則定理不再成立。例如,設,則對所有,皆有和。再者,,但並不依分佈收斂至,其中獨立。[3]
  2. 若將定理中,所有「依分佈收斂」改成「依概率收斂」,則結論仍然成立。

證明

引用以下引理:若依分佈收斂至,且依概率收斂至常數,則聯合向量依分佈收斂到[4]

現對上述依分佈的收斂使用連續映射定理。由定義的函數皆為連續函數(為使連續,要求可逆),故由連續映射定理,史拉斯基定理成立。

參見

  1. Gut, Allan. . Springer-Verlag. 2005. ISBN 0-387-22833-0.,p.249的評注11.1中,此定理稱為克拉梅爾定理。

參考資料

  1. Goldberger, Arthur S. . New York: Wiley. 1964: 117–120 (英语).
  2. Slutsky, E. . Metron. 1925, 5 (3): 3–89. JFM 51.0380.03 (德语).
  3. Zeng, Donglin. (PDF). Advanced Probability and Statistical Inference I (BIOS 760). University of North Carolina at Chapel Hill. Slide 59. Fall 2018 [2021-07-31]. (原始内容存档 (PDF)于2013-02-03) (英语).
  4. van der Vaart, Aad W. . New York: Cambridge University Press. 1998. ISBN 978-0-521-49603-2 (英语).


This article is issued from Wikipedia. The text is licensed under Creative Commons - Attribution - Sharealike. Additional terms may apply for the media files.